SAS Acuicultura

GuadeSASINGENIERIAENACUICULTURAUNIBOLQUECHUACASIMIROHUANCA
Contenido
INTRODUCCIN ............................................................................................ 2
ESTADISTICA DESCRIPTIVA ............................................................................ 9
PRUEBA DE T PARA DOS MUESTRAS INDEPENDIENTES ................................ 16
ANLISIS DE CORRELACION Y REGRESIN LINEAL...................................... 21
ANLISIS DE VARIANZA .............................................................................. 31
Anlisis varianza de una va ............................................................................. 31
Diseo Completamente al Azar ..................................................................... 31
Anlisis de varianza de dos vas........................................................................ 39
Diseo de Bloques Completos Aleatorios ........................................................ 39
Experimentos Factoriales ................................................................................. 55
Factorial en diseo completamente al azar ...................................................... 55
Factorial en diseo bloques completos al azar.................................................. 64
REFERENCIAS .............................................................................................. 72
Ing. Juan Jos Vicente Rojas M.Sc.
GuadeeSASINGENIERIIAENACUICULTUR
RAUNIBOLQUEC
CHUACASIMIROHUANCA
INTROD
DUCCIN
N
Output;Ventanad
O
dondese
ggeneranlosresultadosen
formatodetexto
f
Log;ventanaque
L
arrojainformacin
nde
cmoseejecutan
c
losprogramasdela
ventanaEditor,en
v
ncasosetengan
erroresenlasinta
e
axis,segeneran
mensajesentexto
m
orojo.
I
Ing.
Juan Jos Viicente Rojas M.Sc
Sc.
ProggramEditor;ventaana
dondeseintroducelaa
sintaaxisdeprogramass,
simiilaraunahojade
textto.
RAUNIBOLQUEC
CHUACASIMIROHUANCA
A
Algunos
men
ns importan
ntes;
Permitegu
uardar
archivosbaajo
formatoRTTFotexto
E
Edit;
En Edit; se encuentrran opciones

nes de Deshacer, Cortar,
comun
Pegar. Una opcin im
mportante en
Edit es
e Replace, que
q
permite
cambiaar comas (,) por punto (.)
puesto
oquelasversion
neseningls
el sep
parador de de
ecimal es el
punto
I
Ing.
Sc.
RAUNIBOLQUEC
CHUACASIMIROHUANCA
R
Run
Permitelaeje
ecucinde
programasinttroducidos
enelEditor
EnlaventanaEditor;se
empleaRecallLastSubmit;
pararecuperaaryeditar
sintaxisdepro
ogramas
I
Ing.
Sc.
RAUNIBOLQUEC
CHUACASIMIROHUANCA
En Window podemos
E
p
na
avegar por la
as diferentes ventanas de
e SAS;, se
m
marca
con un
u smbolo (
) las ventan
nas activas
B
Barra
de herrramientas:
R
RUN
Permiteejecutaarprogramas
dessdelabarrad
de
herramientas
I
Ing.
Sc.
PROGRAMAS EN SAS
Ejemplo
DATA EJEMPLO;
INPUT SEXO $ EDAD PESO;
CARDS;
VARON 21 56
VARON 22 46
MUJER 19 47
MUJER 24 45
VARON 24 60
;
PROC MEANS;
RUN;
DATA. Crea un conjunto de datos, se asigna generalmente un nombre no

ms de ocho caracteres evitando el uso de operadores matemticos y
lgicos (>, +, etc) y tambin acentos.
Otros ejemplos;
Data zanahoria
Data cuyes
INPUT, que indica e identifica el nombre de las variables a introducir y la
posicin donde SAS las puede encontrar en el conjunto de datos. En el
caso del ejemplo la variable SEXO se acompaa con el signo de dlar $
que indica a SAS que dicha variable es del tipo ALFANUMERICO es decir
que puede tener tanto letras como nmeros como valores.
CARDS; Indica a SAS donde empieza la lectura de datos, la idea general
de CARDS se refiere al conjunto de datos.
PROC. Sentencia de procedimientos de SAS que realizan el anlisis de
datos; tablas, clculos, despus de la sentencia PROC se debe especificar
que procedimiento a ejecutar, en el programa de ejemplo MEANS calcula
medias de las variables especificadas, otros ejemplos:
PROC
PROC
PROC
PROC
UNIVARIATE;
ANOVA;
MIXED;
GLM;
RUN; cada programa finaliza con una sentencia RUN, RUN dice a SAS
que no hay mas sentencias para el procedimiento precedente y puede
continuar adelante realizando los clculos.
Extractamos de Siles (2004), algunos de los procedimientos usuales en
SAS:
PROC UNIVARIATE.
Produce estadsticas descriptivas para caracterizar la distribucin de una
variable; mnimos, mximos, mediana, moda, media, varianza,
desviacin estndar, rango. Diagramas de hojas y tallo, pruebas de
distribucin normal, diagramas de caja.
PROC TTEST
Realiza la prueba de t para probar que las medias de dos grupos sean
iguales (muestras independientes y pareadas)
PROC CORR
Anlisis de correlacin entre pares de variables de distribucin normal (r
de Pearson) o variables que no se ajustan a una distribucin normal (r de
Spearman)
PROC REG
Realiza al anlisis de regresin simple o mltiple.
PROC FREQ
Produce tablas de contingencia de una o ms variables, realiza las
pruebas de chi cuadrada.
PROC ANOVA
Realiza anlisis de varianza mediante los mnimos cuadrados simples y
datos balanceados, se consideran los efectos fijos, siendo los residuales
los nicos efectos aleatorios.
PROC GLM
Usa la teora de mnimos cuadrados generalizados para realizar el
anlisis de varianza, regresin, covarianza, aun cuando los datos son
desbalanceados, como ANOVA se limita tambin a efectos fijos. En este
procedimiento se hallan disponibles los contrastes de t o F con un grado
de libertad u contrastes ortogonales.
PROC MIXED
Se refiere al anlisis de modelos mixtos (tanto efectos fijos como
aleatorios) este procedimiento permite un mejor ajuste de los errores
estndar empleados para la comparacin de medias, y cuando en el
modelo se presentan efectos aleatorios diferentes del residual como es el
caso de los modelos en parcelas divididas. Permite la estimacin de
varianzas o componentes de varianza de efectos aleatorios. Anlisis de
datos tanto balanceados como desbalanceados.
ESTADISTICA DESCRIPTIVA
Ejemplo. Un estudio desea explorar los niveles de contaminacin con
mercurio en un rio con actividad minera, se sabe que el mercurio se
acumula en los tejidos de los peces, para tal efecto se tom una muestra
de 20 peces de cierta especie, de los cuales se determin la
concentracin de mercurio en ppm.
1,03
0,6
0,4
0,75
1,06
0,27
0,61
0,44
0,44
0,33
0,86
0,84
0,83
0,49
0,7
0,31
0,54
0,69
0,43
1,06
Clculos
El proceso de clculo para estadsticas
descriptivas es el siguiente
Media aritmtica
1,03
0,60
0,44
20
1,06
0,634
Varianza
Y2= 1,032+0,602+0,442++1.062 = 9,244

Y= 1,03+0,60+0,44++1.06 =12,68
12,68
20
20 1
9,244
S2 = 0,0634
Desvo estndar
1
S = 0,251
Error Estndar
0,25
20
0,056
Coeficiente de variacin
%
100
0,2518
0,634
100
39,71%
Con el valor de la media y la desviacin estndar; podemos decir que la mayora

de los peces muestran una contaminacin corporal de 0,6340,2518 ppm de
mercurio.
Con el valor de desvi estndar y media podemos estimar el coeficiente de
variabilidad:
%
100
0,2518
0,634
100
39,71%
Que representa el desvi estndar en trminos relativos a la media, en este

ejemplo se observa una alta dispersin de las observaciones alrededor de la
media.
Error tpico de la media;
0,25
0,056
20
Representa la desviacin estndar de la media.
10
RAUNIBOLQUEC
CHUACASIMIROHUANCA
En SAS: Pu
uede copiar los
l datos des
sde
Excel y pegarlos directtamente en la
ana Program
m Editor
venta
E
Ejecutecon;
I
Ing.
Sc.
11
OUTPUT:
TheSASSystem
TheUNIVARIATEProcedure
Variable:mercurio
Moments
N20SumWeights20
Mean0.634SumObservations12.68
StdDeviation0.25188552Variance0.06344632
Skewness0.352918Kurtosis0.9955464
UncorrectedSS9.2446CorrectedSS1.20548
CoeffVariation39.7295775StdErrorMean0.05632331
BasicStatisticalMeasures
LocationVariability
Mean0.634000StdDeviation0.25189
Median0.605000Variance0.06345
Mode0.440000Range0.79000
InterquartileRange0.40000
NOTE:Themodedisplayedisthesmallestof2modeswithacountof2.
TestsforNormality
TestStatisticpValue
ShapiroWilkW0.939489Pr<W0.2345
KolmogorovSmirnovD0.129407Pr>D>0.1500
CramervonMisesWSq0.049579Pr>WSq>0.2500
AndersonDarlingASq0.368234Pr>ASq>0.2500
Pruebadenormalidad:enelcasode
ExtremeObservations
ShapiroWilksdemaneraprcticasiPes
LowestHighest
mayoralnivelalfade0,05,sepodr
decirqueladistribucindelavariablede
ValueObsValueObs
respuestaesNORMAL.
0.2770.8414
PdeWilks=0,2345>0,05:Portantola
0.31160.8610
variabletienedistribucinnormal.
0.33131.031
0.4021.063
0.43191.0620
12
TheSASSystem
TheUNIVARIATEProcedure
Variable:mercurio
Diagramadehojasytallo(Stemand
leaf),sepuedeobservarlasimetra
StemLeaf#Boxplot
demanerasimilaraunhistograma
103663|
defrecuencias.Sepresentatambin
9|
undiagramadecaja(boxplot)
83463++
7052||
60193*+*
541||
4034495++
3132|
271|
++++
MultiplyStem.Leafby10**1
NormalProbabilityPlot
1.05+**++++
|++++
|**+*+
|**++
0.65+*+**
|+++*
|*+***
|*++*+
0.25+*++++
+++++++++++
210+1+2
13
NOTA IMPORTANTE
ElseparadordedecimalesenversionesanterioresdeSASeselpunto
.,porloquetenemosquecambiarencasodequenuestroExcelse
halleconfiguradoeldecimalcomocoma,
En este caso podemos cambiar con el men:
Donde en el cuadro de dialogo podemos cambiar de comas a puntos;
14
FIND WHAT: Buscar coma

REPLACE WITH: Reemplazar con punto
Replace All.
15
PRUEBA DE T PARA DOS MUESTRAS

INDEPENDIENTES
Ejemplo.
Se realiz un experimento sobre la cra de larvas de (Prochilodus mariae),
distribuyendo 8 estanques cada una con 700 larvas, se aplicaron 2 tratamientos:
Tratamiento 1: Sin abono
Tratamiento 2: Con abono y Suplemento con 30% de protena.
Entre las variables analizadas se consider el peso, variable que se muestra en la
siguiente tabla (40 das despus de la siembra) registrndose el peso promedio de
20 larvas por estanque.
Estanque
1
2
3
4
T1:Sin
abono
T2:con
abonoy
suplemento
30%
Protena
0,9
1,2
1,6
0,5
3,3
2,6
3,2
3,8
Hiptesis
Ho: 1 =2 La media de peso de larvas es el mismo entre los dos tipos de
abonamiento
Ha: 12 La media de peso de larvas es diferente entre los dos tipos de
abonamiento
Estadstico de prueba: t con n1 + n2 -2 grados de libertad al nivel alfa de 0,05
16
Clculos
El proceso de clculo para obtener valores
al cuadrado y productos es el siguiente
Racin 1: Sin abono
Racin 2: Con abono y suplemento

30% Protena
n= 4
n=4
Media aritmtica
,
3,3
Varianza
2,6
3,2
3,8
3,225
Y2= 0,92+1,22+1,62+0,52 = 5,06
Y2= 3,32+2,62+3,22+3,82 = 42,33
Y= 0,9+1,2+1,6+0,5 = 4,2
Y= 3,3+2,6+3,2+3,8 = 12,9
42,33
4
12,9
4
1
S2 = 0,2425
S2 = 0,216
Desvo estndar
S = 0,46
S= 0,492
17
Estadstico de prueba:
Donde Sc2 es la varianza agrupada de ambas muestras;

1
0,216 4
Que se reemplaza en t
1
4
1
1
2
2
0,2425 4
4 2
0,229
calculada;
1,05
0,229
4
3,225
0,229
4
6,427
El valor de t de tablas con (n1+n2-2) o 6 grados de libertad al 5% es igual

t
tablas(5%)
= 2,447
Decisin (tomar en cuenta el valor absoluto o sin signo de t calculada)

Si el valor t calculado > t tablas(5%); Rechace la hiptesis nula
Si el valor t calculado < t tablas(5%); Acepte la hiptesis nula
Excluyendo el signo; 6,427 > 2,447; por tanto se rechaza la hiptesis nula.
Conclusin:
Al nivel del 5%, hay evidencia para decir que ambos tipos de raciones tienen
medias diferentes en el peso de larvas.
18
Resolucin en SAS
El procedimiento que realiza los anlisis es PROC TTEST
19
SALIDA SAS
TheSASSystem
TheTTESTProcedure
Statistics
LowerCLUpperCLLowerCL
VariableTratamientosNMeanMeanMeanStdDev
pesoT140.30931.051.79070.2637
pesoT242.44143.2254.00860.279
pesoDiff(12)3.0042.1751.3460.3088
Statistics
UpperCL
VariableTratamientosStdDevStdDevStdErrMinimumMaximum
pesoT10.46551.73550.23270.51.6
pesoT20.49241.83610.24622.63.8
pesoDiff(12)0.47911.05510.3388
TTests
VariableMethodVariancesDFtValuePr>|t|
pesoPooledEqual66.420.0007
pesoSatterthwaiteUnequal5.986.420.0007
EqualityofVariances
VariableMethodNumDFDenDFFValuePr>F
pesoFoldedF331.120.9284
Mean: Media
Std Dev: Desviacin estndar
Lower CL Mean: Limite Inferior del Intervalo de Confianza de la media.
Upper CL Mean: Limite Superior del Intervalo de Confianza de la media.
Lower CL Std Dev: Limite Inferior del Intervalo de Confianza de la desviacin estndar.
Upper CL Std Dev: Limite Superior del Intervalo de Confianza de la desviacin estndar.
N: Nmero de observaciones.
DF: Grados de Libertad.
P = 0,0007; es menor al nivel alfa de 0,05, por lo que rechaza la hiptesis nula.
Dado que el valor P es mucho menor al nivel alfa de 0,05, rechazamos la

Hiptesis nula, por tanto podemos afirmar que existen diferencias significativas
entre tratamientos (Sin Abono vs Con abono y protena) en el peso de larvas de
Prochilodus mariae.
20
ANLISIS DE CORRELACION Y REGRESIN LINEAL
Ejemplo.
Se tiene los datos de 10 tilapias en las que se le les ha medido su ancho corporal
(cm) y el peso (gramos).
n
1
2
3
4
5
6
7
8
9
10
Ancho(cm) Peso(g)
19,0
232
22,0
245
23,0
258
21,2
196
18,0
178
23,0
234
22,5
212
25,0
246
20,0
208
17,5
178
21
Clculos
El proceso de clculo para obtener valores
al cuadrado y productos es el siguiente
Ancho(cm)
19
22
23
21,2
18
23
22,5
25
20
17,5
X=211,2
Peso(g)
Y2
XY
X2
232
361
53824
4408
245
484
60025
5390
258
529
66564
5934
196
449,44
38416
4155,2
178
324
31684
3204
234
529
54756
5382
212
506,25
44944
4770
246
625
60516
6150
208
400
43264
4160
178
306,25
31684
3115
Y=2187 X2=4513,94 Y2=485677 XY=46668,2
Coeficiente de correlacin
46668,2
4513,94
211,2
10
211,2 2187
10
485677
2187
10
r = 0,7626
22
Coeficiente de regresin
211,2 2187
10
211,2
4513,94
10
46668,2
b = 8,96
Intercepto (a)
2187
10
8,96
211,2
10
29,46
a = 29,56
Coeficiente de determinacin (r2)
r2=0,76262= 0,5815
Correlacin de Pearson; r=0,7626 dado que el coeficiente es un valor alto

positivo, entonces se asume una alta correlacin positiva entra el ancho y peso
corporal en tilapias.
El coeficiente de determinacin (r2) indica que el 58,15% de la variacin del peso
de tilapias se explica por la relacin lineal con la variable Ancho corporal. En
otras palabras 58,15% de la variacin del peso es explicada por el ancho
corporal. El coeficiente de regresin (8,96) tiene unidades de Y; Por cada
centmetro de incremento en el ancho corporal el peso se incrementa en 8,96 g
en promedio. La ecuacin de regresin lineal es Peso = 29,56 + 8,96(Ancho).
23
Resolucin en SAS
24
SALIDA SAS
PROCEDIMIENTO CORR
TheSASSystem
TheCORRProcedure
2Variables:AnchoPeso
SimpleStatistics
VariableNMeanStdDevSumMinimumMaximum
Ancho1021.120002.43575211.2000017.5000025.00000
Peso10218.7000028.635842187178.00000258.00000
PearsonCorrelationCoefficients,N=10
Prob>|r|underH0:Rho=0
AnchoPeso
Ancho1.000000.76266
0.0103
Peso0.762661.00000
0.0103
Correlacin entre Ancho y Peso: 0,76266 con P=0,0103. Si se desea se puede

comparar el valor P con un nivel alfa por ejemplo 0,05.
0,0103 < 0,05: La correlacin es significativa
25
PROCEDIMIENTO REG
The REG Procedure
Model: MODEL1
Dependent Variable: Peso
Analysis of Variance
DF
Sum of
Squares
Mean
Square
1
8
9
4292.66495
3087.43505
7380.10000
4292.66495
385.92938
Root MSE
Dependent Mean
Coeff Var
19.64509
218.70000
8.98266
Source
Model
Error
Corrected Total
R-Square
Adj R-Sq
F Value
Pr > F
11.12
0.0103
0.5817
0.5294
Parameter Estimates
Variable
DF
Parameter
Estimate
Standard
Error
t Value
Pr > |t|
Intercept
Ancho
1
1
29.33355
8.96621
57.11859
2.68844
0.51
3.34
0.6214
0.0103
Intercepto o a: 29,33355
Coeficiente de regresin o b: 8,96621
La estadstica de t prueba la hiptesis nula que el coeficiente de regresin es cero
(Ho: 1= 0) es decir que el Ancho (X) no tiene efecto sobre la variable Peso (Y)
La decisin se toma;
Si P > 0,05: NS
Si P < 0,05: * (Significativo)
Si P < 0,01: ** (Altamente Significativo)
P = 0,0377 > 0,05; El efecto del Ancho sobre el Peso en tilapias es significativo
26
Ejemplo
Calani y Claros (2013) registraron medidas biomtricas en bivalvos (Anododintes
sp.), de los cuales se muestran datos parciales de peso y talla de bivalvos criados
en acuarios sin arena;
N de Bivalvos
1
2
3
4
5
6
7
8
9
Peso (grs)
132,11
71,83
102,27
62,16
81,44
68,17
57,47
64,9
81,8
Talla (cm)
11
8,5
9,5
8,5
8,9
8
7,6
8,2
9
Altura (cm)
5,7
4,5
5,3
4,4
4,6
4,3
4,1
4,4
4,8
27
Resolucin en SAS
Los datos deben escribirse en Program Editor
28
SALIDA SAS
TheSASSystem
TheCORRProcedure
3Variables:PesoTallaAltura
SimpleStatistics
VariableNMeanStdDevSumMinimumMaximum
Peso980.2388923.65581722.1500057.47000132.11000
Talla98.800001.0000079.200007.6000011.00000
Altura94.677780.5142442.100004.100005.70000
PearsonCorrelationCoefficients,N=9
Prob>|r|underH0:Rho=0
PesoTallaAltura
Peso1.000000.972790.97948
<.0001<.0001
Talla0.972791.000000.97231
<.0001<.0001
Altura0.979480.972311.00000
<.0001<.0001
TheSASSystem
TheREGProcedure
Model:MODEL1
DependentVariable:Peso
AnalysisofVariance
SumofMean
SourceDFSquaresSquareFValuePr>F
Model14236.509204236.50920123.43<.0001
Error7240.2700934.32430
CorrectedTotal84476.77929
RootMSE5.85869RSquare0.9463
DependentMean80.23889AdjRSq0.9387
CoeffVar7.30156
29
ParameterEstimates
ParameterStandard
VariableDFEstimateErrortValuePr>|t|
Intercept1122.2689118.332296.670.0003
Talla123.012252.0713611.11<.0001
TheSASSystem
TheREGProcedure
Model:MODEL1
AnalysisofVariance
SumofMean
SourceDFSquaresSquareFValuePr>F
Model14294.967014294.96701165.36<.0001
Error7181.8122825.97318
RootMSE5.09639RSquare0.9594
DependentMean80.23889AdjRSq0.9536
CoeffVar6.35152
ParameterEstimates
ParameterStandard
VariableDFEstimateErrortValuePr>|t|
Intercept1130.5303816.478227.92<.0001
Altura145.057563.5038912.86<.0001
Coeficientes de correlacin:
Coeficiente de correlacin entre Peso y Talla; r = 0,9727
Coeficiente de correlacin entre Peso y Altura; r = 0,9794
Ecuaciones de regresin de la forma Y = a + b X
Peso y Talla: Peso = -122,26 + 23,01 Talla
Peso y Altura: Peso = -130,53 + 45,05 Talla
30
ANLISIS DE VARIANZA
Permite realizar el anlisis de varianza a un criterio de clasificacin, por ejemplo
en aquellos experimentos cuyos datos provienen de diseos completamente
aleatorios.
Anlisis varianza de una va

Diseo Completamente al Azar
Ejemplo
Se ha realizado un experimento para comparar el efecto de tres dietas artificiales
y una natural sobre el crecimiento (peso) de alevines de pejerrey, dos dietas
artificiales se elaboraron en base a alimentos micronizados y la tercera dieta en
base a hgado molido, el testigo constituyo el zooplancton que se produce
masivamente principalmente compuesta por cladceros, se distribuyeron a los
alevines en condiciones de estanques, de manera que cada dieta se constituy de
3 estanques, de cada estanque se tomaron muestras al azar con reposicin, cada
muestra fue de 50 alevines de los cuales se registr el peso (gramos). Los cdigos
de tratamiento o tipo de dieta son;
T1: Alimento micronizado sin aditivo
T2: Alimento micronizado con aditivo
T3: Alimento en base a hgado
T4: Alimento natural (Zooplancton)
Los resultados experimentales del peso en gramos son:
Dieta
estanque 1
estanque 2
estanque 3
T1
58,7
52
55,6
T2
72
71,2
76,2
T3
61,2
59
67
T4
82,4
79,1
77,2
31
Modelo estadstico:
yj(i) = + i + j(i)
yj(i) = peso del j-simo estanque que contena 50 alevines al cual se le ha aplicado
el i-simo tipo de dieta.
= Media general
i = Efecto fijo del i-simo tipo de dieta
j(i) = Efecto aleatorio de residuales NIID~(0,e2)
Hiptesis
Ho: T1 = T2 = T3 = T4 La media de peso es la misma para cualquier tipo de dieta
Ha: Al menos dieta tiene efecto diferente en el peso
Nivel de significancia; = 0,05
Clculos
Para el clculo manual se requiere descomponer
la suma de cuadrados totales en suma de
cuadrados de tratamientos y suma de cuadrados
del error, para esto se necesitan totales de
tratamientos:
Dieta
estanque 1 estanque 2 estanque 3 Yi.
T1
58,7
52
55,6
T2
72
71,2
76,2
T3
61,2
59
67
T4
82,4
79,1
77,2
Media
166,3
219,4
187,2
238,7
55,4
73,1
62,4
79,6
811,6
67,6
Factor de Correccin
..
811,6
4 3
54891,21
32
Suma de Cuadrados de tratamientos;
166,3
219,4
187,2
238,7
1046,65
3
Suma de cuadrados totales
58,7
72
61,2
77,2
1131,57
Suma de Cuadrados del Error

SCError = SCTotales SCtratamientos
SCError = 1131,57 1046,65 = 84,92
Cuadro de Anlisis de varianza
FV
GL
Alimento
Error
t-1 =3
t(r-1)=8
Total
tr-1=11
SC
1046,65
84,92
..
CM
Fcalculado
348,88
10,615
100
10,615
67,6
32,87
100
Ftabular(5%)
Sig.
4,07
4,81%
Decisin
Como Fcalculado > Ftabulado(5%), se rechaza la hiptesis nula.
Conclusin
El CV de 4,81% indica que los resultados experimentales son confiables.
Se concluye que existen diferencias en el peso de pejerrey entre los
diferentes tipos de alimentos.
33
Empleo del programa SAS.

Para la sintaxis en el procedimiento ANOVA de SAS para
obtener los resultados descritos se debe considerar que el
modelo Yij = + i + ij
Se reduce a GP = Hormona, obviando la media y el ultimo
efecto aleatorio ()
34
SALIDA SAS
TheSASSystem
TheANOVAProcedure
ClassLevelInformation
ClassLevelsValues
Dieta4T1T2T3T4
Numberofobservations12
TheSASSystem
TheANOVAProcedure
Sumof
SourceDFSquaresMeanSquareFValuePr>F
Model31046.646667348.88222232.87<.0001
Error884.92000010.615000
RSquareCoeffVarRootMSEPesoMean
0.9249544.8172503.25806767.63333
SourceDFAnovaSSMeanSquareFValuePr>F
Dieta31046.646667348.88222232.87<.0001
TheSASSystem
TheANOVAProcedure
LevelofPeso
DietaNMeanStdDev
T1355.43333333.35310801
T2373.13333332.68576494
T3362.40000004.13279566
T4379.56666672.63122278
35
TheSASSystem
TheANOVAProcedure
tTests(LSD)forPeso
NOTE:ThistestcontrolstheTypeIcomparisonwiseerrorrate,nottheexperimentwise
errorrate.
Alpha0.05
ErrorDegreesofFreedom8
ErrorMeanSquare10.615
CriticalValueoft2.30600
LeastSignificantDifference6.1344
Meanswiththesameletterarenotsignificantlydifferent.
tGroupingMeanNDieta
A79.5673T4
B73.1333T2
C62.4003T3
D55.4333T1
TheSASSystem
TheANOVAProcedure
Duncan'sMultipleRangeTestforPeso
errorrate.
Alpha0.05
NumberofMeans234
CriticalRange6.1346.3936.537
DuncanGroupingMeanNDieta
A79.5673T4
B73.1333T2
C62.4003T3
D55.4333T1
36
TheSASSystem
TheANOVAProcedure
Tukey'sStudentizedRange(HSD)TestforPeso
NOTE:ThistestcontrolstheTypeIexperimentwiseerrorrate,butitgenerallyhasa
higherTypeIIerrorratethanREGWQ.
Alpha0.05
CriticalValueofStudentizedRange4.52880
MinimumSignificantDifference8.5189
TukeyGroupingMeanNDieta
A79.5673T4
A
A73.1333T2
B62.4003T3
B
B55.4333T1
RESUMIENDO:
Cuadro de Anlisis de varianza
FV
GL
SC
Dieta
2 104664,64
Error
8
84,92
Total
11
CV(%)= 4,81%
CM
348,88
10,615
F
32,87
P>F
<0,0001
Media= 67,33g
37
El coeficiente de variacin de 4,81% refleja la confianza de los resultados

experimentas. Dado el valor P que es menor al nivel alfa de 0,05, se rechaza la
hiptesis nula, por tanto podemos afirmar que existe efecto significativo del tipo
de dieta sobre el peso de pejerrey. Por tanto es necesario un estudio mas
profundo de las medias con pruebas de comparacin mltiple.
Prueba de Tukey
Dietas
T4
T2
T3
T1
Media(g)
79,567
73,133
62,400
55,433
Tukey(5%)
A
A
B
B
Dietas
T4
T2
T3
T1
Media(g) Duncan(5%)
79,567
A
73,133
B
62,400
C
55,433
D
Prueba Duncan
38
Anlisis de varianza de dos vas

Diseo de Bloques Completos Aleatorios
Ejemplo.
Se desea estudiar el efecto de cra de camaroncillos en policultivo con tilapias,
para esto se seleccionan nueve acuarios en donde se preparan 12acuarios con
para cada densidad de tilapias del ensayo, los incrementos de peso vivo en
gramos de los camaroncillos se muestran a continuacin.
Densidad Tilapias
Bloque 1
Bloque 2
Bloque 3
Baja densidad (4 tilapias)
1,9
2,2
1,92
Densidad 2 (6 tilapias)
2,3
3,2
2,6
2,3
2,54
2,7
1,72
1,92
1,77

Modelo estadstico
yij = + j + i + ij
yij= Incremento de peso vivo medido en los camaroncillos de un acuario del
j-simo bloque al cual se le ha aplicado la i-sima densidad con tilapias.
= Media general
j = Efecto aleatorio del j-simo bloque NIID~(0,r2)
i = Efecto fijo del i-simo tipo de densidad de tilapias
ij = Efecto aleatorio de residuales NIID~(0,e2)
Nivel de significancia
= 0,05
Objetivo
Determinar el efecto de la densidad de tilapias en policultivo, sobre el desarrollo de
camaroncillos
39
Hiptesis
Ho: T1 = T2 = T3 = T4 El incremento de peso vivo en camaroncillos es el mismo por
efecto de la densidad de tilapias
Ha: Al menos una densidad de tilapias es diferente sobre la media de incremento de
peso
Clculos
El proceso de clculo para descomponer
la suma de cuadrados y obtener el
anlisis de varianza es el siguiente
Bajadensidad(4tilapias)
Densidad2(6tilapias)
1,9
2,3
2,3
1,72
2,2
3,2
2,54
1,92
1,92
2,6
2,7
1,77
6,02
8,1
7,54
5,41
.
2,01
2,70
2,51
1,80
Y.j
8,22
9,86
8,99
27,07
2,26
DensidadconTilapias
Bloque1 Bloque2 Bloque3 Yi.
Y..
..
Factor de Correccin
..
27,07
4 3
61,06
40
Suma de Cuadrados de Bloques;

.
8,22
9,86
4
8,99
0,34
Suma de Cuadrados de tratamientos;
6,02
8,1
7,54
5,41
1,59
1,9
2,3
2,
1,77
2,175

SCError = SCTotales SCBloques SCtratamientos
SCError = 2,175 0,34 - 1,59 = 0,245
41
Cuadro de Anlisis de Varianza

FV
GL
SC
CM
Bloques
r-1=2
0,34
0,17
Densidades
t-1=3
1,59
0,53
Error
(t-1)(r-1)=6
0,245
0,0408
Total
tr-1=11
..
100
Fcalculado
Ftabular (5%)
12,99
4,76
0,048
2,26
100
Significancia
*
9,69%
Varianza de bloques
0,17
0,0408
4
0,0323
De acuerdo al coeficiente de variacin de 9,69%, se pueden considerar los

resultados experimentales confiables (por ser menor al 30%).
La varianza estimada del efecto de bloque es mayor a 0 (varianza de bloques =
0,0323), por lo que se dice que el diseo de bloques fue eficiente al estratificar las
unidades experimentales para controlar la fuente de variacin ajena al objetivo
experimental.
El efecto de las densidades de tilapias es significativo al nivel del 5% sobre el
incremento de peso de camarones. Esto significa que existe un efecto debido a la
competencia de espacio y nutrientes que afecta el incremento de peso de los
camaroncillos. Por tanto es pertinente un mayor estudio de las medias de
incrementos de peso de camaroncillos por efecto del factor de estudio (densidades
de tilapias).
42

Para la sintaxis en el procedimiento ANOVA de SAS para
obtener los resultados descritos se debe considerar que el
modelo Yij = + j + i + ij
Se reduce a gan_peso = Bloque Densidad
obviando la media y el ultimo efecto aleatorio ()
43
SALIDA SAS
TheSASSystem
TheANOVAProcedure
ClassLevelsValues
Bloque3123
Densidad4D1D2D3D4
TheSASSystem
TheANOVAProcedure
DependentVariable:gan_peso
Sumof
Model51.927908330.385581679.540.0080
Error60.242383330.04039722
RSquareCoeffVarRootMSEgan_pesoMean
0.8883188.9098160.2009912.255833
Bloque20.336616670.168308334.170.0734
Densidad31.591291670.5304305613.130.0048
TheSASSystem
TheANOVAProcedure
Levelofgan_peso
DensidadNMeanStdDev
D132.006666670.16772994
D232.700000000.45825757
D332.513333330.20132892
D431.803333330.10408330
44
TheSASSystem
TheANOVAProcedure
Tukey'sStudentizedRange(HSD)Testforgan_peso
NOTE:ThistestcontrolstheTypeIexperimentwiseerrorrate,butitgenerallyhasa
higherTypeIIerrorratethanREGWQ.
Alpha0.05
CriticalValueofStudentizedRange4.89559
TukeyGroupingMeanNDensidad
A2.70003D2
A
BA2.51333D3
B
BC2.00673D1
C
C1.80333D4
TheSASSystem
TheANOVAProcedure
Dunnett'stTestsforgan_peso
NOTE:ThistestcontrolstheTypeIexperimentwiseerrorforcomparisonsofall
treatmentsagainstacontrol.
Alpha0.05
CriticalValueofDunnett'st3.09936
Comparisonssignificantatthe0.05levelareindicatedby***.
DifferenceSimultaneous
DensidadBetween95%Confidence
ComparisonMeansLimits
D2D10.69330.18471.2020***
D3D10.50670.00201.0153
D4D10.20330.71200.3053
45
La presentacin de resultados de pruebas de medias puede ser de la siguiente

forma:
Media
Gananciade
peso(g)
Tukey(5%)
Densidad
D2(6tilapias)
2,7 A
D3(8tilapias)
2,51 AB
D1(bajadensidad4tilapias)
2,01 BC
D4(10tilapias)
1,80 C
Incrementodepeso
camaroncillos(g)
O tambin:
3
2,5
2
1,5
1
0,5
0
2,7A
2,51AB
2,01BC
D2(6tilapias)
D3(8tilapias)
D1(baja
densidad4
tilapias)
1,8C
D4(10tilapias)
Densidaddetilapias
Prueba de Dunnett.
Comparacin
Diferencia
Significancia
D2 - D1
0,6933
D3 - D1
0,5067
ns
D4 - D1
-0,2033
ns
Dunnett realiza comparaciones contra el testigo, SAS asume el testigo al primer

tratamiento.
46
Ejemplo
Se realiz un ensayo en especmenes jvenes de Piaractus mesopotamicus
Holmberg, con tres estrategias de alimentacin, se estratificaron los peces de
acuerdo a su peso inicial en pequeos, medianos y grandes, estos estratos por no
ser parte del estudio se consideraron como bloques, posteriormente se asign a
los peces a 9 acuarios, cada acuario recibi a 5 peces y se consider a cada
acuario como una unidad experimental. Los tratamientos fueron las siguientes
estrategias de alimentacin;
Modelo estadstico:
T1: Dieta peletizada cada da (Control)

T2: Dieta peletizada cada dos das
T3: Dieta peletizada cada 3 das
yij = +j + i + ij
yij= tasa de crecimiento efectiva medida en los peces del j-simo acuario al cual
se le ha aplicado la i-sima estrategia de alimentacin.
= Media general
i = Efecto fijo del i-simo tipo de dieta o estrategia de alimentacin
Objetivo
Evaluar el efecto de tres estrategias de alimentacin sobre el crecimiento de Piaractus
mesopotamicus
Hiptesis
Ho: T1 = T2 = T3 = La tasa de crecimiento especifica es similar con cualquier
estrategia de alimentacin en Piaractus mesopotamicus
Ha: Al menos una estrategia de alimentacin es diferente en la tasa de crecimiento
especifica Piaractus mesopotamicus
47
Se registr a los 20 das de la tasa de crecimiento especifico (%da-1) fue de;
Dietas
Tamaopequeo
DietaControl
0,83
Cadadosdas
0,65
Cadatresdas
0,11
Tamaoobloque
Tamaomediano Tamaogrande
1,65
2,3
1,43
1,89
0,26
0,6

El modelo Yij = + j + i + ij
Se reduce a TCE = Tamano Dietas
Obviando la media y el ultimo efecto aleatorio ()
48
SALIDA SAS
TheSASSystem
TheANOVAProcedure
ClassLevelsValues
Tamano3123
Dietas3ControlDosdiastresdias
TheSASSystem
TheANOVAProcedure
DependentVariable:TCE
Sumof
Model44.397466671.0993666715.400.0107
Error40.285533330.07138333
RSquareCoeffVarRootMSETCEMean
0.93902824.738570.2671771.080000
Tamano21.711666670.8558333311.990.0204
Dietas22.685800001.3429000018.810.0092
TheSASSystem
TheANOVAProcedure
LevelofTCE
DietasNMeanStdDev
Control31.593333330.73663650
Dosdias31.323333330.62684395
tresdias30.323333330.25106440
TheSASSystem
TheANOVAProcedure
tTests(LSD)forTCE
errorrate.
Alpha0.05
CriticalValueoft2.77645
LeastSignificantDifference0.6057
49
tGroupingMeanNDietas
A1.59333Control
A
A1.32333Dosdias
B0.32333tresdias
De acuerdo a los resultados, se obtiene diferencia estadstica entre dietas o la

estrategia de alimentacin en la Tasa de Crecimiento Especifica (P=0,0092) donde
P es menor al nivel de significancia de 0,05.
En resumen; Control Cada dos das
Crecimiento Especfica.
FV
Tamao
Dietas
Error
Total
GL
2
2
4
8
SC
1.71166667
2.68580000
0.28553333
y > Cada tres das; en la Tasa de
CM
0.85583333
0.07138333
0.07138333
FCalculado
Significancia
18.81
0.0092
Prueba t o DMS (Diferencia Mnima Significativa).

Densidad
Media TCE (%)
DMS (=5%)
Control
2,7
Cada dos das
2,51
Cada tres das
2,01
50
Ejemplo
Torres y Torrejn (2013) estudiaron el efecto de tres raciones de alimento en
cultivo de tambaqui (Piaractus brachypomus)
1.
2.
3.
TA. Insumos locales (40%) - formulacin propia

TB. Insumo comercial (40%) formulacin propia
TC. Alim. Balanceado (PROANI 36%)- compra del balanceado - Testigo
La medicin de talla (cm) a los dos meses de ensayo fueron los siguientes;
Tratamiento
Tratamiento A
Tratamiento B
Tratamiento C
Bloque I
6,9
7,04
6,94
Bloque 2
7,22
7,14
8,64
Bloque 3
5,48
7,32
7,06
Bloque 4
7,54
7,1
7,22
Modelo estadstico:
yij = + j + i + ij
yij= Talla medida en los peces del j-simo acuario al cual se le ha aplicado el isimo tipo de racin.
= Media general
i = Efecto fijo del i-simo tipo de racin
Nivel de significancia: = 0,05
Objetivo
Estudiar el efecto de tres estrategias tipos de raciones en el desarrollo de Piaractus
brachypomus
Hiptesis
Ho: T1 = T2 = T3 = No existen diferencias en las medias de talla por efecto de las
raciones en Piaractus brachypomus
Ha: Al menos una racin es diferente en la talla de Piaractus brachypomus
51

El modelo Yij = + j + i + ij
Se reduce a Talla = Bloque Tratamiento
52
Resultados:
TheSASSystem
TheANOVAProcedure
ClassLevelsValues
Bloque41234
Tratamiento3TATBTC
TheSASSystem
TheANOVAProcedure
DependentVariable:Talla
Sumof
Model52.731000000.546200001.260.3868
Error62.594866670.43247778
RSquareCoeffVarRootMSETallaMean
0.5127809.2191180.6576307.133333
Bloque31.804533330.601511111.390.3335
Tratamiento20.926466670.463233331.070.4002
TheSASSystem
TheANOVAProcedure
StudentNewmanKeulsTestforTalla
NOTE:ThistestcontrolstheTypeIexperimentwiseerrorrateunderthecompletenull
hypothesisbutnotunderpartialnullhypotheses.
Alpha0.05
NumberofMeans23
CriticalRange1.13785061.4267353
SNKGroupingMeanNTratamiento
A7.46504TC
A
A7.15004TB
A
A6.78504TA
53
Resumen
FV
GL
SC
CM
Fcalculado
Bloque
1,80453333
0,60151111
1,39
Tratamiento
0,92646667
0,46323333
1,07
Error
2,59486667
0,43247778
Total
11
5,32586667
CV =9,21
P>F
0,4002
Significancia
NS
Media = 7,13(cm)
De acuerdo a los resultados experimentales el coeficiente de variacin que es

menor al 30% se considera confiable. Dado que P=0.4002 es mayor al nivel del
0.05, no se ha detectado diferencia estadstica entre Dietas sobre la talla a los
dos meses. Dado que no hay significancia del factor de estudio no es necesario
realizar pruebas de significancia, asumiendo la meda general 7,13 cm como la
media para cualquier tratamiento o dieta.
54
Experimentos Factoriales
Factorial en diseo completamente al azar
Ejemplo.
Con el propsito de estudiar el efecto de la temperatura de cra sobre dos
especies de ranas endmicas, debido al riesgo de prdida de biodiversidad en
hbitats naturales, dos especies de ranas (Dendrobates truncatus y Dendrobates
auratus) se establecieron dos tratamientos para la cra en cautiverio de estas
especies en un zoocriadero. El primero involucra el desarrollo completo de los
animales (Metamorfosis) en una temperatura ambiente (18 22C), y otro en
donde la temperatura se mantuvo controlada a 24C por medio de un termostato.
Cada tratamiento tuvo 4 repeticiones y a medida que fueron naciendo los
renacuajos fueron puestos en copas por grupos de 4 individuos, haciendo un
seguimiento de los das que demoraba la metamorfosis para cada tratamiento
(Ramos, 2005).
Especie
(Factor A)
Temperatura
(Factor B)
D.auratus
18-22C
D.truncatus
II
III
IV
107
108
113
110
24C
75
80
72
70
18-22C
104
109
116
108
24C
85
78
82
79
Este ensayo pudo haberse analizado por separado entre especies bajo un diseo
completamente al azar de un factor o con la prueba de t por especie, sin embargo
debido a los objetivos experimentales se deseaba comparar entre especies (que
puede ser vlido si son especies afines).
55
Modelo estadstico
Yijk = + i +j + ()ij + ijk
Yijk = Das duracin de metamorfosis observada en la k-sima jaula que recibi
ranas de la i-sima especie y que recibi la j-sima temperatura de cra
= Media general
i = Efecto fijo dela i-sima especie de rana
j = Efecto fijo dela j-sima temperatura de cra
()ij = Efecto fijo de la interaccin de la i-sima especie de rana con la j-sima
temperatura
ij = Error experimental o Efecto aleatorio de residuales NIID (0,e2)
Hiptesis
Para el factor A: Especie
Ho: D.auratus = D.truncatus La media de duracin del ciclo de metamorfosis es la
misma para ambas especies
Ha: La media de duracin del ciclo de metamorfosis es diferente entre ambas
especies
Para el factor B: Temperatura de cra
Ho: 18-22C = 24C La media de duracin del ciclo de metamorfosis es la misma
para ambas temperaturas de cra
Ha: La media de duracin del ciclo de metamorfosis es diferente para ambas
temperaturas de cra
Para la interaccin A x B: Especie*Temperatura de cra
Ho: El efecto de la especie de rana es el mismo en cada temperatura de cra en la
duracin del ciclo de metamorfosis.
Ha: El efecto de la especie de rana es diferente en cada temperatura de cra en la
duracin del ciclo de metamorfosis.
= 0,05
56
Clculos
El proceso de clculo para descomponer
la suma de cuadrados y obtener el
anlisis de varianza es el siguiente
Especie
(Factor A)
Temperatura
(Factor B)
D.auratus
D.truncatus
Totales
Medias
II
III
IV
18-22C
107
108
113
110
438
109,5
24C
75
80
72
70
297
74,25
18-22C
104
109
116
108
437
109,25
24C
85
78
82
79
324
81
1496
93,5
Yi..
..
Cuadro de efecto simple (totales AxB)

D.auratus
438
297
735
1822C
24C
Yi..
D.truncatus
437
324
761
Y.j.
875
621
De donde podemos obtener las medias de efectos principales:

Medias de A o Especie:
..
..
D.auratus=735/2x4 = 91.875 das (ejemplo; 735 se divide entre 2x4 porque 735 proviene
de sumar dos valores 438 y 297, y a su vez cada uno de estos provena de sumar 4
repeticiones)
D.truncatus=761/2x4=95.125 das
Medias de B o Temperatura:
. .
. .
18-22C=875/2x4= 109,375 das

24C = 621/2x4 = 77,625 das
57
Factor de Correccin
..
1496
139876
2 2 4
Suma de Cuadrados de Factor A o Especie; Necesitamos totales de a1 y a2
..
761
4
735
2
42.25
Suma de Cuadrados de Factor B o Temperatura; Necesitamos totales de b1 y

b2
. .
875
2
621
4
4032.25
Suma de cuadrados de la interaccion AxB o Especie x Temperatura:

Necesitamos totales Yij.
438
297
437
324
49
4
107
65
144
79
144182
4306
58

SCError = SCTotales SCA SCB SCAxB
SCError = 4306 42,25 4032,25 - 49 = 182,5
Cuadro de Anlisis de Varianza
FV
GL
Especie
a-1=1
SC
CM
42,25 42,25
Temperatura b-1=1
4032,25 4032,25
ExT
(a-1)(b-1)=1
Error
ab(r-1)=12
Total
abr-1=15
49 49
Fcalculado
Ftabular (5%)
Significancia
2,77
4,75
NS
265,27
4,75
3,22
4,75
NS
182,5 15,20
..
100
15,20
93,25
100
4,18%
El coeficiente de variacin del 4,18% muestra la confiabilidad de resultados

experimentales.
Factor A: No se ha evidenciado diferencia estadstica entre especies en el nmero
de das de duracin de la metamorfosis.
Factor B: Se ha evidenciado diferencia estadstica entre temperaturas sobre la
duracin del ciclo de metamorfosis (109,375 das para 18-24 C y 77,625 das para
24C).
AxB: No se evidenciado significacin estadstica para la interaccin Especie y
Temperatura. Lo que indica que ambos factores son independientes en la
duracin de la metamorfosis.
59

El modelo Yij = +i +j +()ij + ijk
Se reduce a Dias = Especie Temperatura Especie*Temperatura
Temperatura: T1: 18-22C
T2:24C
60
SALIDA SAS
TheSASSystem
TheANOVAProcedure
ClassLevelsValues
especie2AuratusTruncatu
temperatura2T1T2
dias157072757879808285104107108109110113116
TheSASSystem
TheANOVAProcedure
DependentVariable:dias
Sumof
Model34123.5000001374.50000090.38<.0001
Error12182.50000015.208333
RSquareCoeffVarRootMSEdiasMean
0.9576174.1708943.89978693.50000
especie142.25000042.2500002.780.1214
temperatura14032.2500004032.250000265.13<.0001
especie*temperatura149.00000049.0000003.220.0979
TheSASSystem
TheANOVAProcedure
Levelofdias
Mediasydesvo
especieNMeanStdDev
estndarde
FactorEspecie
Auratus891.875000019.1343931
Truncatu895.125000015.5878845
Mediasydesvo
Levelofdias
estndardeFactor
temperaturaNMeanStdDev
Temperatura
T18109.3750003.70086862
T2877.6250005.04090411
Mediasy
LevelofLevelofdias
especietemperaturaNMeanStdDev
desvo
estndarde
AuratusT14109.5000002.64575131
AuratusT2474.2500004.34932945
interaccin
TruncatuT14109.2500004.99165971
TruncatuT2481.0000003.16227766
61
TheSASSystem
TheANOVAProcedure
Duncan'sMultipleRangeTestfordias
errorrate.
Alpha0.05
NumberofMeans2
CriticalRange4.248
DuncanGroupingMeanNespecie
A95.1258Truncatu
A
A91.8758Auratus
TheSASSystem
TheANOVAProcedure
Duncan'sMultipleRangeTestfordias
errorrate.
Alpha0.05
NumberofMeans2
CriticalRange4.248
DuncanGroupingMeanNtemperatura
A109.3758T1
B77.6258T2
62
Cuadro de anlisis de varianza

FV
GL
CM
SC
Fcalc.
Sig.
Especie
42,25
42,25
2,78
0,1214
ns
Temperatura
4032,25
4032,25
265,13
<,0001
Especie*Temperatura
49
49
3,22
0,0979
ns
Error
12
182,5
15,208333
Total
15
4306
CV(%) = 4,17
Media 93,5 das
Interpretacin de valores F
Para especies P=0,1214; P es mayor al nivel de 0,05, por tanto se acepta
hiptesis nula, no hay diferencia entre especies de rana en la duracin del ciclo
(das) de metamorfosis en cautiverio.
Para temperaturas P=<0,0001; P es menor al nivel de 0,05, por tanto se rechaza
hiptesis nula, existe diferencia entre temperaturas sobre la duracin del ciclo
(das) de metamorfosis.
Diasmetamorfosis
Para interaccin Especies*Temperaturas P=0,0979; P es mayor al nivel

predefinido de 0,05, ambos factores son independientes sobre la duracin del
ciclo de metamorfosis en das (analizar la grfica de interaccin).
120
100
80
60
40
20
0
109,4
77,6
1020C
24C
Temperaturadecra
63
Factorial en diseo bloques completos al azar

Ejemplo.
Villca (2013) realiz la determinacin de rendimiento a la canal de tambaqu
(Piaractus brachypomus) en diferentes unidades pisccolas del municipio de
Chimor, tomando como factores a la talla y sexo y como un factor de bloqueo a
la unidad productora pisccola, se muestran a continuacin los datos de peso por
pez faenado con vsceras en gramos.
Bloques
Talla(A)
Sexo(B)
II
III
IV
VI
500800g
Hembra
537,143
588,095
571,578
654,166
561,388
654,167
Macho
545,312
588,888
633,636
675,555
571,25
675,555
8001000g
Hembra
845,333
880,666
909,857
903,75
852,143
841,875
Macho
844
897,333
929
890,833
841,25
878,571
10001200g
Hembra
1057,2
1044,45
1021,533
1044,45
1044,45
1044,45
Macho
1169
1058,5
1043,8
1058,5
1058,5
1058,5
Modelo estadstico
Yijk = + k+ i +j + ()ij + ijk
Yijk = Peso de faenado con vsceras de una unidad experimental que corresponde
a la i-sima talla del j-simo sexo y de la k-sima unidad pisccola.
= Media general
k= Efecto aleatorio del k-simo bloque NIID (0,r2)
i = Efecto fijo dela i-sima talla
j = Efecto fijo del j-simo sexo de tambaqu
()ij = Efecto fijo de la interaccin de la i-sima talla con el j-simo sexo
ij = Error experimental o Efecto aleatorio de residuales NIID (0,e2)
64
Codificando para SAS:

Factor A: Talla
a1:500800g
a2:8001000g
a3:10001200g
Factor B: Sexo
b1:Hembra
b2:Macho
Hiptesis
Para el factor A: Talla
Ho: 1 = 2 = 3 La media de peso de faenado con vsceras es diferente entre
tallas
Ha: Al menos una talla es diferente en el peso de faenado con vsceras
Para el factor B: Sexo de tambaqui
Ho: Hembra =
sexos
Macho
La media de peso faenado con vsceras es igual para ambos
Ha: La media de peso faenado con vsceras es diferente para ambos sexos
Para la interaccin A x B: Talla*Sexo
Ho:El efecto de la talla es el mismo en cualquier sexo en peso de faenado con
vsceras.
Ha: El efecto de la talla es diferente en cualquier sexo en peso de faenado con
vsceras.
= 0,01
65
Resolucin en SAS
Los datos pueden introducirse a SAS codificados de la
siguiente manera en 3 columnas y emplearse el Modelo
Lineal General o GLM:
Modelo: Peso con vsceras = Bloque Talla Talla*Sexo
Bloque
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
Talla
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
Sexo
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
visceras
537,143
545,312
845,333
844
1057,2
1169
588,095
588,888
880,666
897,333
1044,45
1058,5
571,578
633,636
909,857
929
1021,533
1043,8
654,166
675,555
903,75
890,833
1044,45
1058,5
561,388
571,25
852,143
841,25
1044,45
1058,5
654,167
675,555
841,875
878,571
1044,45
1058,5
66
options ls=90 ps=90 nodate nonumber;

data tambaqui;
input Bloque
Talla $ Sexo $ Visceras
cards;
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
a1
a1
a2
a2
a3
a3
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
b1
b2
537.143
545.312
845.333
844
1057.2
1169
588.095
588.888
880.666
897.333
1044.45
1058.5
571.578
633.636
909.857
929
1021.533
1043.8
654.166
675.555
903.75
890.833
1044.45
1058.5
561.388
571.25
852.143
841.25
1044.45
1058.5
654.167
675.555
841.875
878.571
1044.45
1058.5
;
proc anova data=tambaqui;
class Bloque
Talla Sexo
;
model visceras = Bloque
Talla
means Talla
Sexo Talla*Sexo;
means Talla/T;
run; quit;
Sexo Talla*Sexo ;
67
SALIDA SAS
The SAS System
The ANOVA Procedure
Class Level Information
Class
Bloque
Talla
Sexo
Levels
6
3
2
Values
1 2 3 4 5 6
a1 a2 a3
b1 b2
Number of observations
The SAS System
The ANOVA Procedure
Dependent Variable: Visceras
Source
Model
Error
Corrected Total
Sum of
Squares
1266066.416
39268.958
1305335.374
DF
10
25
35
R-Square
0.969917
Source
Bloque
Talla
Sexo
Talla*Sexo
Coeff Var
4.681856
DF
5
2
1
2
Mean Square
126606.642
1570.758
Root MSE
39.63279
Anova SS
9651.593
1251936.795
3625.826
852.202
36
F Value
80.60
Pr > F
<.0001
Visceras Mean
846.5188
Mean Square
1930.319
625968.397
3625.826
426.101
F Value
1.23
398.51
2.31
0.27
Pr > F
0.3251
<.0001
0.1412
0.7646
The SAS System

The ANOVA Procedure
Level of
Talla
a1
a2
a3
N
12
12
12
-----------Visceras---------Mean
Std Dev
604.72775
876.21758
1058.61108
50.8835936
30.6505030
36.4118500
68
Level of
Sexo
-----------Visceras---------Mean
Std Dev
b1
b2
18
18
836.483000
856.554611
Level of
Talla
Level of
Sexo
a1
a1
a2
a2
a3
a3
b1
b2
b1
b2
b1
b2
6
6
6
6
6
6
192.782339
198.509747
-----------Visceras---------Mean
Std Dev
594.42283
615.03267
872.27067
880.16450
1042.75550
1074.46667
49.1382108
55.0153188
30.0959130
33.5208262
11.5803576
46.6834732
The SAS System

The ANOVA Procedure
t Tests (LSD) for Visceras
NOTE: This test controls the Type I comparisonwise error rate, not the
experimentwise error rate.
Alpha
0.05
Error Degrees of Freedom
25
Error Mean Square
1570.758
Critical Value of t
2.05954
Least Significant Difference
33.323
Means with the same letter are not significantly different.
t Grouping
Mean
1058.61
12
a3
876.22
12
a2
604.73
12
a1
Talla
69
Cuadro de anlisis de varianza

FV
GL
SC
CM
Fcalculado
Sign.
Bloque
9651,593
1930,319
1,23
0,3251
Talla
1251936,8
625968,397
398,51
<,0001
**
Sexo
3625,826
3625,826
2,31
0,1412
NS
Talla*Sexo
852,202
426,101
0,27
0,7646
NS
Error
25
39268,958
1570,758
Total
35
1305335,37
CV(%)
4,68
Media
846,51 g
Interpretacin de valores F
Para Tallas P=<0,0001; P es mayor al nivel de 0,01, por tanto se rechaza
hiptesis nula, existe diferencia entre tallas en el peso de faenado con vsceras.
Para temperaturas P=0,1412; P es mayor al nivel de 0,01, por tanto se acepta la
hiptesis nula, no existe diferencia entre sexos en peso de faenado con vsceras.
Para interaccin Talla*Sexo P=0,7646; P es mayor al nivel predefinido de 0,01,
ambos factores son independientes en el peso de faenado con vsceras. El efecto
de la talla en el peso de faenado con vsceras es el mismo en cualquier sexo (ver
las grficas de interaccin)
Efecto de bloques
1930.319 1570.758
3 2
59.92
La varianza del efecto de bloques es mayor a cero, por lo que el diseo de bloques
completos fue eficiente.
70
Prueba DMS o t.
Talla
Media(g) DMS (5%)
10001200cm
1058,61
A
8001000cm
876,22
B
500800cm)
604,73
C
Pesoconvisceras(g)
1200
1058,61
1000
876,22
800
604,73
600
400
200
0
10001200cm
8001000cm
500800cm
Talla
71
REFERENCIAS
Auquilla, A. y Maldonado, C. 2013. El empleo de la HCG y PMSG para la
induccin de la superovulacin y produccin espermtica en trucha Arco Iris en
la zona del Cajas. Tesis de Grado para la obtencin del ttulo Mdico Veterinario
Zootecnista. Universidad de Cuenca, Facultad de Ciencias Agropecuarias,
Escuela
Medicina
Veterinaria
y
Zootecnia.
Disponible
http://dspace.ucuenca.edu.ec/bitstream/123456789/363/1/TESIS.pdf.
Calani, D., y Claros F. 2013. Cra en cautiverio de los bivalvos (Anodontites sp.)
con el suministro de alimento balanceado en la UNIBOL Quechua. Tesina de
grado para optar el ttulo de tcnico superior en Acuicultura. UNIBOL Quechua
Casimiro Huanca.
Cody, R. y Smith, J. 1991. Applied Statistics and the SAS

Programming Language. Prentice Hall. New Jersey-USA.
Diseo
y
anlisis
de
experimentos
en
SPSS.
Disponible
http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOSPHP/MATERIALESMASTER/Mat_12_Apuntes%20SPSS.pdfUniversidad
de
Santiago de Compostela.
Freund, J., Manning, R. 1996. Estadstica. Prentice Hall Hispanoamericana.
Cuarta Edicin. 611p.
Torres, B., y Torrejn, B. 2013. Evaluacin de tres raciones alimenticias en el
cultivo de Tambaqu, (Piaractus brachypomus) en la UNIBOL Quechua. Tesina de
grado para optar el ttulo de tcnico superior en Acuicultura. UNIBOL Quechua
Casimiro Huanca.
Triola, M. 2000. Estadstica Elemental. Addison Wesley Longman. Sptima
Edicin. Mxico. 824 p.
Ramos, I. 2005. Manejo controlado de la temperatura en la cra artificial de
renacuajos de ranas venenosas de las especies Dendrobates truncatus y
D.auratus. Universidad La Salle, Facultad de Zootecnia. Trabajo de grado como
requisito parcial para optar el ttulo de Zootecnista. Bogot Colombia.
72
Siles, M. 2004. Apuntes de clase Diseos Experimentales. Curso de

Diseos Experimentales Maestra en Manejo y Conservacin de Recursos
Fitogenticos y Biotecnologa Vegetal Aplicada. UMSS-FCAPVyF Martn
Crdenas Cochabamba Bolivia.
Siles, M. 2004. The SAS System for Windows Release 6.11. Curso de
Manejo. UMSS-FCAPVyF Martn Crdenas Cochabamba Bolivia.
Villca, F. 2013. Determinacin del rendimiento a la canal de Tambaqui (Piaractus
brachypomus) faenados en unidades pisccolas del municipio de Chimor. Tesina
de grado para optar el ttulo de tcnico superior en Acuicultura. UNIBOL
Quechua Casimiro Huanca.
Vaquerizo, R. 2007. Introduccin a SAS.
73

SAS Acuicultura

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SAS Acuicultura

Uploaded by

Copyright:

Available Formats

GuadeSASINGENIERIAENACUICULTURAUNIBOLQUECHUACASIMIROHUANCA

Ing. Juan Jos Vicente Rojas M.Sc.

En Edit; se encuentrran opciones

DATA. Crea un conjunto de datos, se asigna generalmente un nombre no

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Y2= 1,032+0,602+0,442++1.062 = 9,244

Ing. Juan Jos Vicente Rojas M.Sc.

Con el valor de la media y la desviacin estndar; podemos decir que la mayora

Que representa el desvi estndar en trminos relativos a la media, en este

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Donde en el cuadro de dialogo podemos cambiar de comas a puntos;

Ing. Juan Jos Vicente Rojas M.Sc.

FIND WHAT: Buscar coma

Ing. Juan Jos Vicente Rojas M.Sc.

PRUEBA DE T PARA DOS MUESTRAS

Ing. Juan Jos Vicente Rojas M.Sc.

Racin 1: Sin abono

Racin 2: Con abono y suplemento

Y2= 0,92+1,22+1,62+0,52 = 5,06

Y2= 3,32+2,62+3,22+3,82 = 42,33

Ing. Juan Jos Vicente Rojas M.Sc.

Donde Sc2 es la varianza agrupada de ambas muestras;

El valor de t de tablas con (n1+n2-2) o 6 grados de libertad al 5% es igual

Decisin (tomar en cuenta el valor absoluto o sin signo de t calculada)

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Dado que el valor P es mucho menor al nivel alfa de 0,05, rechazamos la

ANLISIS DE CORRELACION Y REGRESIN LINEAL

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Correlacin de Pearson; r=0,7626 dado que el coeficiente es un valor alto

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Correlacin entre Ancho y Peso: 0,76266 con P=0,0103. Si se desea se puede

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Anlisis varianza de una va

Ing. Juan Jos Vicente Rojas M.Sc.

estanque 1 estanque 2 estanque 3 Yi.

Ing. Juan Jos Vicente Rojas M.Sc.

Suma de Cuadrados de tratamientos;

Suma de Cuadrados del Error

Empleo del programa SAS.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

Ing. Juan Jos Vicente Rojas M.Sc.

El coeficiente de variacin de 4,81% refleja la confianza de los resultados

Ing. Juan Jos Vicente Rojas M.Sc.

Anlisis de varianza de dos vas

Baja densidad (4 tilapias)

Densidad 4 (10 tilapias)

Ing. Juan Jos Vicente Rojas M.Sc.

Bloque1 Bloque2 Bloque3 Yi.

Ing. Juan Jos Vicente Rojas M.Sc.

Suma de Cuadrados de Bloques;

Suma de Cuadrados de tratamientos;

Suma de cuadrados totales